Gemini Omni 1.2 Flash降价增容

Google Deepmind 正式推出其 Gemini Omni 1.2 Flash 视频生成模型。该更新模型可生成最长 15 秒的视频片段，支持对话式编辑，且价格比前代降低了 30%。

Google 表示，Gemini Omni 1.2 Flash 正通过 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、Google AI Ultra 用户的 Gemini 应用以及 Google Ads 推出。每个生成的视频都带有不易察觉的 SynthID 水印以标明其来源.

片段现在可运行 3 到 15 秒，较之前的 10 秒最长限制有所提升，定价降低了 30%，720p 视频每秒为 0.07 美元。生成的片段也可以通过持续的对话进行编辑.

一项突出功能是 Google 称为的“对话式编辑”。用户可以逐步调整生成的片段，更改背景、光照或宽高比，而无需重新生成整个片段。Google 表示此功能适用于整个 15 秒的长度。配合分层工作流程，该功能旨在降低成本。草稿首先以 360p 或 720p 创建，随后通过后续编辑修正细节，最终结果才升级到 1080p 或 4K.

Google 承诺参考图像结果更加一致

Google 还承诺参考图像的遵循性有显著提高。根据 公告，该模型可接受角色图像、产品照片、最长 3 秒的短动作片段以及音频提示作为输入。面部、服装、包装字体和品牌颜色在不同相机角度下应保持一致.

例如，Google 展示了一个虚拟试穿片段。从一张模型照片和三套服装的产品照片，模型生成了一个 15 秒的序列，进行 360 度旋转，同时保留了模型的身份以及每件服装的剪裁和垂坠效果.

整体视觉一致性也有所改善。Google 表示，在动作和相机转换之间，视觉漂移或变形比前代有所减少

除此之外，Gemini Omni 1.2 Flash 还应能生成更流畅、自然的声音对话，具有更清晰的口型同步能力，并能区分多个说话者。该模型进一步处理复杂的连续相机运动，如 FPV 飞行或戏剧性的缩放，且不必要的跳切大幅减少

AI 新闻，无浮夸之谈 – 由人类编辑

订阅 THE DECODER 以获得无广告阅读、每周 AI 新闻简报、我们独有的“AI 雷达”前沿报告（每年六次）、完整档案访问以及访问我们的评论区。